由于需要，实习时在服务器上安装了anaconda3+tensorflow-gpu+keras，
使用的时候一直都是使用
import os
os.environ['CUDA_VISIBLE_DEVICES']=“0”
来指定使用第0个gpu，程序也一直是使用GPU加速计算的，但是奇怪的是今天忽然发现程序运行很慢，并且运行时出现“Your CPU supports instructions that this TensorFlow binary was not compiled to use”这个警告。
通过使用nvidia-smi查看GPU使用状态，发现GPU使用率为0，但是明明我已经指定了使用GPU啊！！！
然后我使用如下代码查询了一下
from tensorflow.python.client import device_lib
print(device_lib.list_local_devices())
发现已经检测不到GPU了，只有CPU。。。
查看库的安装路径：pip show tensorflow-gpu
通过网络查找各种解决办法，说是安装keras时安装了tensorflow，两者冲突，然后需要重新卸载，只安装GPU版的tensorflow，虽说我pip list了一下并没有发现单独的tensorflow，我还是重新卸载又安装了一下
pip uninstall tensorflow tensorflow-gpu keras
pip --upgrade tensorflow-gpu keras
然后结果嘞，运行程序发现新的bug出现了：
ImportError: libcublas.so.10.0: cannot open shared object file: No such file
emm,又google了一下，发现是说tensorflow版本与CUDA的版本不对应， 然后我看了一下我安装的tensorflow-gpu的版本是1.13.0的，但是CUDA版本是8.0的。（cuda-8.0是你安装的cuda的文件夹）
查看CUDA版本：cat /usr/local/cuda-8.0/version.txt
然后去查一下cuda和tensorflow-gpu对应的版本号，见Tensorflow CUDA及CUDNN版本对应关系表查询
然后通过pip uninstall 卸载掉安装的tensorflow-gpu和keras
使用如下命令重新安装对应版本的tensorflow-gpu：
pip install tensorflow-gpu==1.4.0 keras
安装完成之后，测试一下发现在终端是可以正常使用gpu了，但是在使用pycharm远程调试时出现ImportError:libcusolver.so.8.0: cannot open shared object file: No such file or directory
原因是无法加载libcusolver.so等，查看远程服务器LD_LIBRARY_PATH环境变量，已经设置了文件路径/usr/local/cuda-8.0/lib64（从远程服务器正常import知道，这点配置是没问题的）。
解决：在edit configurations中配置python运行环境变量，添加LD_LIBRARY_PATH，设置路径/usr/local/cuda-8.0/lib64（你的cuda安装目录里面的lib64）
之后再次运行之前程序，发现又开始报错：
-
TypeError: while_loop() got an unexpected keyword argument ‘maximum_iterations’
-
TypeError: softmax() got an unexpected keyword argument ‘axis’
是因为我的CUDA版本为CUDA8.0，所以tensorflow版本有限制，只能用1.4.0以下的版本，之前keras版本太高了，所以才会报以上错误
重新安装keras
pip install keras==2.1.2
更新keras版本后，错误解决
哎，环境问题真的真的太折腾了！！！